Desafio tecnológico: usar IA para analisar séries temporais de imagens - Foto: Shutterstock
Uma parceria entre a empresa Agrosatélite Geotecnologia Aplicada e o Instituto SENAI de Inovação em Sistemas Embarcados, ambos sediados em Florianópolis, deu origem a uma tecnologia inédita, incorporada a uma plataforma que supervisiona e extrai informações sobre lavouras e imóveis rurais por meio da análise de séries de imagens de satélites.
A plataforma em questão é o Sistema de Monitoramento de Fazendas (SIMFaz), um serviço criado pela empresa que é capaz de acompanhar, de forma remota, a produtividade agrícola de áreas específicas, além de estimar e comparar seu rendimento. Esse tipo de dado pode ser bastante útil para monitorar riscos ambientais, sociais e financeiros do agronegócio e tem bancos, cooperativas e comerciantes de grãos como clientes potenciais.
A plataforma foi aprimorada pela equipe de visão computacional do Instituto, em colaboração com o time de pesquisa e desenvolvimento da Agrosatélite, cuja expertise é concentrada em sensoriamento remoto. O projeto durou cerca de um ano e resultou no desenvolvimento de algoritmos que refinaram a capacidade analítica do SIMFaz, permitindo que a ferramenta ofereça aos usuários informações sobre a evolução das lavouras ao longo da safra, a extensão de áreas de plantio e a confirmação do tipo de cultura semeada, possibilitando extrair a expectativa de produtividade em comparação com safras anteriores e com lavouras vizinhas.
Imagem de área agrícola produzida por satélite: monitoramento de riscos - Foto: Divulgação
O desafio tecnológico consistia em usar inteligência artificial para analisar séries temporais de imagens de propriedades rurais para extrair todas as informações citadas, algo que não havia sido feito até então. O conteúdo dessas imagens pode sofrer variações ao longo do tempo, que dificultam sua interpretação. Elas são captadas em intervalos que variam de um até vários dias, às vezes sob condições atmosféricas desfavoráveis – cobertas por nuvens, por exemplo –, e as culturas mudam suas características ao longo do tempo.
“As lavouras vão mudando temporalmente de cor e de formato. E mesmo especialistas têm dificuldade em dizer de forma assertiva que se trata de uma cultura de soja, milho ou cana, analisar cada cultivo ou a área de cada talhão, e estimar se houve ou não colheita naquele período”, explica o PhD Flávio Gabriel Oliveira Barbosa, coordenador técnico do projeto e líder da área de visão computacional do Instituto.
O projeto, que teve apoio da Empresa Brasileira de Pesquisa e Inovação Industrial (Embrapii), desenvolveu e treinou algoritmos de visão computacional, tornando-os capazes de analisar imagens ao longo do tempo e concluir, pelo contexto da mudança de padrão, que tipo de cultura está presente ali, além de estimar seu rendimento. “As equipes técnicas da empresa e do Instituto se reuniam ao menos uma vez a cada 15 dias para avaliar os avanços”, diz Barbosa.
Ao final, chegou-se a um pacote com nível de maturidade tecnológica (TRL) 6 – a escala vai até 9 – testado e aprovado em um ambiente relevante. As soluções foram transferidas para a Agrosatélite e incorporadas a um dos softwares do SIMFaz.
A análise de séries temporais de imagens lançou mão de uma técnica chamada segmentação panóptica, que conjugou duas técnicas complementares. Uma é a segmentação semântica, que atribui a cada pixel de uma imagem uma determinada classe – na imagem de uma praça pode distinguir os pixels correspondentes a árvores, calçadas, pedestres ou construções. A outra técnica, mais detalhada, é a segmentação de instância, capaz de identificar e separar individualmente cada objeto dentro de sua classe semântica. Com a união das duas, a segmentação panóptica separa os pixels em classes e identifica seus objetos, além de distinguir aqueles que não pertencem a nenhuma classe específica.
“A abordagem é pioneira no uso de inteligência artificial aplicada à agricultura e foi inédita para o contexto nacional e mundial”, afirma Fabrizio Machado Pereira, diretor de Educação, Saúde e Tecnologia da FIESC. “O projeto contribuiu para avançar o estado da arte na análise de imagens de satélite para monitoramento agrícola.”
Paulo Violada, pesquisador-chefe do Instituto, conta que o ponto de partida foi avançar no conhecimento mundial existente até então. “Foi um projeto interessante, porque a Agrosatélite tem no seu corpo diretivo pesquisadores de alto calibre, com um conhecimento claro sobre qual é a fronteira do conhecimento para as soluções que eles desenvolvem”, diz Violada, referindo-se aos sócios-fundadores da empresa, todos com experiência prévia em monitoramento de imagens no Instituto Nacional de Pesquisas Espaciais (INPE). Bernardo Rudorff, um dos fundadores da Agrosatélite, explicou, em entrevista à Indústria & Competitividade concedida em janeiro de 2023, que o objetivo é extrair informações de forma automatizada de conjuntos de imagens, diminuindo a interferência de analista, com a ajuda de algoritmos.
Desde 2019, quando se formou o time responsável pela área de visão computacional do Instituto, mais de 15 projetos com empresas já foram desenvolvidos. “A visão computacional é campo do conhecimento que está se difundindo bastante. Não trata somente daquilo que o ser humano vê, mas sua ambição é enxergar além do ser humano, como faixas de frequência e espectros que não são visíveis, e extrair informação útil dali”, explica Violada. “Hoje temos visão computacional em carros autônomos, em imageamento de satélites, no diagnóstico de doenças de pessoas ou animais, na identificação de pragas. É um campo que cresce alinhado e atrelado ao desenvolvimento de inteligência artificial.”
Visão computacional tem aplicação em veículos autônomos - Foto: Shutterstock
Pagamento | Em maio de 2023, a Agrosatélite foi adquirida pela Serasa Experian, empresa internacional de análise de riscos e prevenção de fraudes, interessada no banco de dados de desempenho das principais safras no País. Em entrevista à agência Reuters concedida após a venda, o chefe de agronegócio da Serasa, Marcelo Pimenta, informou que a aquisição ajudará a empresa a diferenciar melhor os riscos dos agricultores, permitindo compreender como alguns conseguiram atravessar momentos difíceis de quebra de safra sem perder capacidade de pagamento. “Estamos adquirindo um ativo fantástico. Isso nos dá uma forte posição competitiva e permite entender como os produtores se comportam em diversas situações”, afirmou Pimenta.
